AWS et NVIDIA déploient 2 millions de GPU pour l’IA

Une alliance qui change d’échelle

Amazon Web Services (AWS) et NVIDIA franchissent un nouveau cap avec l’annonce de la livraison de 2 millions de GPU supplémentaires. Cette décision répond à une demande mondiale en forte hausse pour les capacités de calcul dédiées à l’IA, en particulier pour les systèmes agentiques et physiques, deux domaines qui exigent rapidité, coordination et traitement massif de données. Depuis plus de 16 ans, les deux entreprises co-développent des solutions adaptées au cloud et au calcul haute performance, ce qui leur permet aujourd’hui d’annoncer une infrastructure pensée pour absorber des charges de travail beaucoup plus lourdes que celles des générations précédentes.

Des GPU taillés pour l’IA de nouvelle génération

Le cœur de cette expansion repose sur les dernières architectures NVIDIA, notamment Blackwell Ultra, Rubin et Rubin Ultra. Ces processeurs graphiques sont conçus pour accélérer l’entraînement des modèles, l’inférence et les traitements parallèles à grande échelle. AWS affirme aussi proposer l’une des gammes les plus larges d’instances GPU du marché, avec des usages allant de l’analyse de données à la génération de contenu, en passant par l’automatisation industrielle.

• 2 millions de GPU supplémentaires annoncés entre 2027 et 2028
• Support des architectures Blackwell, Rubin et Rubin Ultra
• Renforcement des instances EC2 G7 avec GPU RTX PRO 4500 Blackwell Server Edition
• Amélioration notable des performances pour l’inférence IA et le rendu graphique

Dans un cas concret, une entreprise de services financiers peut exploiter ces instances pour accélérer ses modèles de détection de fraude, tandis qu’un laboratoire scientifique peut entraîner plus vite des modèles de prédiction moléculaire ou climatique.

Le réseau, pièce maîtresse des déploiements massifs

Un parc de GPU aussi vaste n’a de valeur que s’il est soutenu par un réseau capable de suivre le rythme. C’est pourquoi AWS et NVIDIA misent aussi sur des avancées en networking, avec des technologies comme NVIDIA Spectrum, NVLink Fusion et la mémoire haute bande passante NVHBM. L’objectif est de fluidifier les échanges entre GPU, CPU et services cloud, en réduisant les goulots d’étranglement qui freinent les entraînements distribués.

• Débit plus élevé entre les composants de calcul
• Meilleure efficacité pour les clusters multi-GPU
• Réduction de la latence dans les workflows IA complexes
• Intérêt direct pour la robotique et la simulation temps réel

Pour une équipe qui entraîne un modèle de vision par ordinateur sur plusieurs nœuds, cette couche réseau devient déterminante : elle permet de synchroniser les calculs plus vite et d’exploiter pleinement la puissance disponible.

CPU et GPU : une architecture hybride pensée pour l’efficacité

Au-delà de la puissance graphique, la collaboration intègre aussi les CPUs NVIDIA Vera, conçus pour compléter les GPU dans les tâches où la séquentialité, le pilotage des données ou l’orchestration prennent le dessus. Cette approche hybride est essentielle dans les systèmes d’IA modernes, où les pipelines mêlent préparation des données, inférence, coordination d’agents et traitement distribué.

• Vera pour les tâches de contrôle et de traitement séquentiel
• GPU Blackwell pour l’entraînement et l’inférence massivement parallèles
• Meilleure gestion des pipelines ETL
• Optimisation du traitement concurrent et des architectures mixtes

Un système de recommandation en temps réel, par exemple, peut utiliser le CPU pour préparer et filtrer les données, puis déléguer au GPU les calculs lourds liés à la personnalisation des résultats. C’est cette complémentarité qui rend l’ensemble plus performant et plus souple.

Sécurité et cloud souverain pour les usages critiques

La montée en puissance de l’IA ne concerne pas seulement les entreprises privées. AWS et NVIDIA renforcent aussi leurs offres pour les environnements sensibles, notamment grâce à AWS Nitro et Elastic Fabric Adapter (EFA), qui apportent à la fois performance et isolation renforcée. L’enjeu est clair : permettre le déploiement d’IA critiques dans des contextes où la confidentialité, la conformité et la fiabilité sont indispensables.

• Infrastructures adaptées aux secteurs gouvernementaux
• Déploiement de 100 000 GPU dans des AI factories dédiées
• Prise en charge de données classifiées jusqu’au niveau Impact Level 6
• Combinaison de sécurité et de haute performance

Dans la pratique, cela permet à des agences publiques de traiter des charges sensibles, comme l’analyse de menaces, la simulation de scénarios opérationnels ou l’automatisation de certaines missions stratégiques, sans sacrifier la protection des données.

Logiciels, modèles ouverts et robotique : l’écosystème s’élargit

Le partenariat ne se limite pas au matériel. AWS intègre aussi les modèles ouverts NVIDIA Nemotron dans Amazon Bedrock et Amazon SageMaker, donnant aux équipes techniques davantage de liberté pour créer, ajuster et déployer des solutions sur mesure. En parallèle, les bibliothèques GPU cuDF et cuVS accélèrent les traitements dans Amazon EMR et Amazon OpenSearch, avec des gains annoncés allant jusqu’à 3,7 fois en vitesse et 30 % de réduction des coûts dans certains scénarios.

• Nemotron pour les modèles ouverts et adaptables
• cuDF et cuVS pour l’analyse et l’indexation accélérées
• Amélioration des flux data engineering et recherche temps réel
• Applications directes en robotique, simulation et automatisation

Ce volet est particulièrement visible dans Amazon Robotics, où NVIDIA fournit des briques comme Jetson, Omniverse et Isaac pour simuler, entraîner et valider des robots dans des environnements proches du réel. Cette convergence entre IA agentique et IA physique ouvre des usages concrets dans les entrepôts, les véhicules autonomes et la maintenance prédictive, avec des systèmes plus réactifs, plus robustes et mieux adaptés aux situations complexes.